MarkTechPost6262斯坦福研究开源 Memorilla，为冻结 LLM 开发潜在记忆模块
斯坦福研究人员开源了Memorilla，一个为冻结LLM设计的潜在记忆系统，它将整个文档集合转换为16个向量供冻结LLM使用。在FactKG上，冻结的Qwen3-8B配合Memorilla达到84.33%的准确率，比使用所有文档上下文高3.9%，但只需16个记忆token，文档token数量减少108倍。
实时
#数据/训练
- MarkTechPost6262
IT之家 · AI6565清华大学发布单细胞蛋白组基础模型 ProtCell，利用摩尔线程 S5000 智算卡成功完成“虚拟细胞”预训练复现
清华大学发布单细胞蛋白组基础模型 ProtCell，汇集约 3.8 亿个细胞、98 个公开数据集用于预训练与评估，摩尔线程 S5000 智算卡完成全流程预训练复现，评测指标与国际主流 GPU 差异仅约 0.2%
Baseten Labs6565Claude Code v2.1.159 发布
Claude Code v2.1.159 发布，采用梯度对齐奖励机制，在四则运算任务上使用 Qwen3-8B 模型，通过计算学生输出与专家演示的梯度相似度进行奖励，实验显示模型可能过度拟合专家示例的精确措辞。
NVIDIA Technical Blog使用两个NVIDIA DGX Station通过vLLM运行GLM-5.3
两台NVIDIA DGX Station通过ConnectX-8 RDMA连接，使用vLLM和张量并行处理，成功运行了175B参数的GLM-5.3 NVFP4模型。
Hugging Face Blog4040Hugging Face 发布 XYBench 基准测试，评估 AI 助手解决基于误解的问题能力
Hugging Face 发布 XYBench 基准测试，包含 8150 个真实问题，评估 AI 助手识别用户误解并引导至正确解决方案的能力。Claude Sonnet 4.6、GPT-5、Gemini 3.1 Pro、Qwen3.5-9B 和 DeepSeek-V4 Pro 在测试中倾向于关注用户错误假设（Y），而非实际目标（X），其中只有 35-41% 的回答以实际目标为中心。
- MarkTechPost
Perplexity 发布 Decider v1.3：开源决策模型新增 Locate 功能
Perplexity 发布开源决策模型 Decider v1.3 及其轻量版 pplx-decider-flash-v1.3，新增 Locate 功能可提取文本精确片段。
Hugging Face Daily Papers6565Ropedia Xperience 2：一个用于扩展物理 AI 环境和行为的黄金标准
Ropedia Xperience 2 包含 1,589 个已发布的度量级 3D 扫描和 4,230 个 74 任务的视点中心记录（131 小时），每个捕获可被重新用于机器人学习，场景转化为物理交互模拟环境，人体运动重定向为全身机器人轨迹，通过虚拟远程操作和自动长时程轨迹生成获取额外机器人行为，该联合捕获被提议为物理 AI 数据收集的黄金标准。
Databricks BlogDatabricks 发布 Genie Migrate，现支持从七大数据仓库迁移至 Lakehouse
Databricks 发布了 Genie Migrate，现支持从 Microsoft SQL Server、Azure Synapse、Teradata、Oracle、Snowflake、Amazon Redshift、Google BigQuery 迁移至 Lakehouse，自动转换 SQL 代码至 ANSI SQL。
- IT之家 · AI
谷歌开源 WeatherNext 3 气象模型所用数据集：含 SatWeave 卫星影像拼接数据集与 PARDIG 全球降水信息
谷歌 DeepMind 开源 WeatherNext 3 气象模型数据集 SatWeave 与 PARDIG，前者整合 5 颗卫星影像（每小时更新、10 年历史存档），后者基于 Transformer 架构（空间分辨率 10 公里、时间分辨率 15 分钟、平均延迟 5 小时），均托管于 Google Cloud Storage 并采用 CC BY 4.0 许可。
- MarkTechPost
Google发布TPU Sync：开源KV缓存传输库用于TPUs
谷歌发布了用于在 Cloud TPUs 上移动 KV 缓存和模型权重的开源 C++ 库 TPU Sync，将 TPU HBM、主机 DRAM、共享存储和数据中心网络视为统一内存层次结构。
- IT之家 · AI
玩家用停产傲腾内存跑通 2.8 万亿参数 Kimi K3 模型，每秒输出 1.5 词元
网友使用已停产的英特尔傲腾持久内存，在不配备显卡的情况下成功运行 2.8 万亿参数的 Kimi K3 模型，初始生成速度约为每秒 0.85 词元，关闭 DAX 功能后提升至每秒 1.50 词元。3 比特量化测试仅达每秒 0.75 词元，生成 5 万词元需 18.5 小时。
Hacker News · AI 热帖精选8080Unemployment Labs 报告称 DeepSeek、Kimi、MiniMax、蚂蚁六款模型权重带有 Blackwell 硬件指纹
Unemployment Labs通过分析公开模型权重中的随机数初始化布局，发现DeepSeek-V4-Flash、DeepSeek-V4-Pro、Kimi K3。
推荐理由: 通过模型权重中的随机数布局反推训练硬件，为出口管制争议提供了可复现的技术取证路径。
OpenRouter BlogRAG 中的重排序：如何用重排序器修复糟糕的检索结果
当 RAG 应用在文档中存在正确信息却给出错误答案时，通常是因为检索环节出错。向量搜索虽能找到相关主题的片段，但常因近似匹配而失效，例如在询问 Growth 计划时错误地调用了 Enterprise 计划的桶限制。
- Databricks Blog2222
Lakebase 架构的 LTAP 误解澄清。
Lakebase 架构通过单一持久化数据副本服务于 Postgres 和分析，无需 CDC 管道或第二数据库。该架构将数据分层存储于对象存储和缓存中，并非传统复制。其支持点查和扫描两种访问路径，使用 Postgres 堆页和 Parquet 格式分别优化，且无额外同步任务。
- Databricks Blog精选6060
Databricks 推出 Lakehouse//RT，面向智能体实时分析负载。
Databricks 发布 Lakehouse//RT，用于在湖仓上直接承载 AI 智能体带来的高并发实时查询，目前处于 beta 阶段。官方称可在 12,000 QPS 下提供低于 100 毫秒的延迟，并通过高并发、快速执行、小步扩容和单一系统四条路径让成本增速低于查询量增速。
推荐理由: 原文给出四个降本机制和三家客户的迁移数据，可据此判断实时分析层是否值得替换。
The Decoder同一件事 · 5 家6161Google Deepmind发布AlphaGenome 2，将基因组AI从组织级预测提升至单细胞类型解析。
AlphaGenome 2预测遗传变异对特定人类细胞类型的影响，比前身多发现近两倍相关基因变化。该模型基于1.07亿个细胞表型、涵盖68种组织的数据训练，通过将DNA序列与特定生物学状态结合输入，实现单细胞级精准预测。
- Hugging Face Daily Papers
通过强化学习激励大型语言模型的自我学习
通过强化学习（RL）和细粒度奖励，研究人员开发了一种名为BookNavigator的界面，帮助大型语言模型（LLMs）从长篇参考材料中自主检索、学习和应用知识，以解决数学问题。
- Hugging Face Daily Papers
SteerDistill：通过闭环教师引导量化 LLM 智能体
SteerDistill 通过闭环教师引导量化 LLM 智能体，在 W4A16 下平均分比最强量化基线高 1.67-2.18 分，在 τ^2-Bench 上成功率达 1.84 百分点，训练 GPU 小时减少 67%。
- Hugging Face Daily Papers
TOME-Math：基于结构化教科书的数学证明监督语料库
TOME-Math 将 2,118 本大学数学教科书转化为约 380K 结构化证明监督记录，保留章节顺序、命题-证明链接和依赖参考，用于微调后使语言模型数学推理能力提升 16.7 个百分点，超越所有三个公共指令数据基线。该语料库将发布以促进结构化数学监督研究。
MIT News · AIMIT 研究人员开发新技术以加速和提升气候预测 AI 模型的可信度
MIT 研究人员开发了一种训练技术，可显著减少数据量并提升气候模拟器（AI 模型）的性能与适应性，使其能在数秒内快速模拟人类活动对未来气候的影响，例如预测温度或海平面变化，从而更可靠地测试数千种气候场景并识别区域干预的意外结果。该算法生成优化的合成气候场景数据，而非依赖现实轨迹的未来排放情景，显著缩短了生产时间，并使模型能准确预测训练数据中未出现的场景。
- Hugging Face Daily Papers6565
One Table Benchmark 推出：通用表格模型在生成、插补和预测任务中的基准测试
One Table Benchmark 测试了 46 种模型在 56 个数据集上的表格生成、插补和预测能力，发现这些任务共享条件信息但保真度和目标交互不同，固定模型在效用和保真度间存在权衡，冻结的基础模型在预测和数值插补方面表现突出，表明统一表格模型有潜力提升分类重建和联合采样。
- IT之家 · AI同一件事 · 5 家6767
谷歌 DeepMind 发布新一代基因组 AI 模型 AlphaGenome 2：从组织预测深入单细胞分析，识别基因表达变异能力近乎翻倍
谷歌 DeepMind 推出 AlphaGenome 2 模型，能预测 DNA 变异对特定细胞类型的影响，识别基因表达变异能力近乎翻倍至 30%（原 16%），准确预测基因表达变化方向达 43%（原 23%），支持跨模态数据推断，已通过 API 向非商业研究开放。
- MarkTechPost同一件事 · 5 家6060
Google DeepMind 发布 AlphaGenome 2 用于细胞类型特异性变异效应预测
Google DeepMind 发布 AlphaGenome 2，一个预测特定细胞类型变异效应的 DNA 模型。该模型读取 1 Mb DNA 及目标细胞状态，通过条件序列到功能架构，显著提升单细胞 eQTL 预测性能，在 TenK10K 基准上召回率从 23% 提升至 43%，且无需微调即可适应未见数据集。
Google Research5858Google Research 发布可穿戴设备驱动的 CKM 风险评估框架
Google Research 发布可穿戴设备驱动的 CKM 风险评估框架，通过可解释健康年龄模型（CHA）预测未来健康轨迹。该框架基于 2.2 百万人周穿戴数据训练的 SensorWM 模型，提供个性化 12 周反事实健康模拟，结合语言模型生成临床验证的指导方案。CHA 模型整合心率、步数、睡眠等可改变指标，预测 68,000 人年疾病风险，改善临床指标预测效果。
The Verge · AI同一件事 · 5 家6565Google DeepMind 发布 AlphaGenome 2 模型，解析 DNA 如何影响不同细胞
Google DeepMind 发布 AlphaGenome 2 模型，通过分析超过 1 亿个细胞轮廓数据，预测基因变异对不同细胞类型和状态的影响，比前代模型多识别近两倍可改变基因表达的变异
- The Decoder
德国国防科技公司 Helsing 发布 Clarity AI 平台，为武器系统提供目标准备建议
德国国防科技公司 Helsing 发布 Clarity AI 平台，该平台通过整合传感器数据、开源情报等生成目标建议，由数百个 AI 代理处理信息并供人类审核，强调欧洲控制和人工监督。
- Databricks Blog5858
Databricks Genie Agents 现支持分析更多数据源以转换工作流
Databricks Genie Agents 通过支持非结构化数据分析和新 MCP 连接器，现能执行高质量业务分析、分析大量文档并连接企业工具以自动采取行动。新增的 OpenSharing 功能允许用户共享预装数据、指令和知识的受管 Agent 给合作伙伴、供应商和客户，加速外部洞察生成。
- Databricks Blog精选6666
Databricks 宣布 Genie Ontology 正式可用
Databricks 宣布 Genie Ontology 正式可用，由智能体从仪表盘、SQL 查询、notebook 和语义模型中持续学习业务上下文，再由人通过 Unity Catalog 治理关键定义。
推荐理由: 原文给出与 Turing 共建基准的通过率、耗时和 token 对比，可据此判断企业上下文层对智能体准确率的影响。
Google DeepMind精选同一件事 · 5 家6666DeepMind 发布 AlphaGenome 2，按细胞类型预测 DNA 变异影响
Google DeepMind 发布 AlphaGenome 2，这是一个条件化 DNA 序列模型，可针对特定细胞类型或状态预测 DNA 变异对基因表达的影响。
同一件事 · 5 家推荐理由: 官方披露了条件化架构改造与单细胞层面的评测对比，可了解该模型如何把变异效应定位到具体细胞类型。
- The Decoder
Anthropic称AI已削弱英伟达CUDA优势，将AMD芯片切换时间缩短至三天。
Anthropic宣称通过AI将其AI模型Claude迁移到AMD GPU的时间从数月缩短至三天，几乎无需人工干预，以此打破对英伟达的依赖。该公司表示，AI模型Mythos完成了99%的内核迁移或编写工作，使新硬件能在三天内达到可用性能水平，而传统工程方法需要六至十二个月。
ChinaTalk美国数据公司向中国 AI 实验室出售价值约 5 亿美元的数据，其中强化学习环境助其提升特定领域模型性能
美国数据公司向中国 AI 实验室出售约 5 亿美元数据，其中强化学习环境助其提升编码、网络、金融、法律、生物等领域的模型性能。这些环境通过模拟世界让模型反复训练，并使用评分标准优化输出。中国实验室通过购买与美企 Anthropic、OpenAI 等相同的 RL 环境，每年可节省超 70% 的推理计算成本。
- Hugging Face Daily Papers6565
SWAM: 基于跨模态对齐的通用世界行动模型扩展方法
SWAM 通过跨模态对齐扩展世界行动模型，在 4.7 万小时多模态数据上训练，混合使用 egocentric 视频和 UMI 演示提升控制泛化，最终模型在三个真实任务中达到 40.00% 的成功率，优于 23.33% 的基线。
- Hugging Face Daily Papers6565
MMDM：大规模多任务决策模型评测基准
MMDM评测了28个决策模型，显示多数模型在常见知识上表现良好，但在相互依赖选项、约束决策和多选任务上表现不佳。例如，Perplexity Decider-V1.2在知识单选上达78.75%准确率，但在选项逻辑和约束规划上分别只有53.95%和47.95%，而所有模型在硬多选上的最佳准确率仅为36.81%。
- Hugging Face Daily Papers6565
Longtail-SWE: 高质量长尾软件工程任务集
Longtail-SWE发布了覆盖13种代表性不足编程语言的202个问题解决任务，用于现有基准中稀缺的工程问题。通过solver-judge-repairer管道构建，模型在9种配置下评估，包括前沿模型，分析任务解决性能、重复尝试一致性及资源使用。所有基准实例、执行环境、工具和智能体轨迹已开源。
- Hugging Face Daily Papers
删除权重对 LLM 后训练的惊人效果
删除调优方法通过将预训练大语言模型（LLM）中不到 0.05% 的权重置零，无需其他修改，即可在强化学习、监督微调和策略蒸馏三种后训练场景中达到与全量微调（FFT）相当的效果。
AWS Machine Learning Blog使用 LangGraph 和 Amazon Bedrock AgentCore Web 搜索构建每日依赖监视器
开发者使用LangGraph和Amazon Bedrock AgentCore Web搜索构建每日依赖监视器，监视开源软件包和容器基础镜像的每日变更。监视器每天检查新影响团队发布的内容，通过Anthropic Claude模型进行搜索，并使用Web Search API获取当前结果。
- Databricks Blog
Databricks 将 Unity Catalog Metric Views 集成到 Power BI：统一治理的语义层解决方案
Databricks 发布 Unity Catalog Metric Views 集成 Power BI 功能，将统一治理的语义层扩展至 Power BI，使每个 Power BI 报告使用与 AI/BI 仪表板和 Genie 相同的受管 UC 指标视图，业务用户可自助构建报告并探索指标，数据团队只需在 Databricks 维护单一定义。
Claude · YouTubeClaude 推出白板、表格和数据分析功能。
Claude Whiteboards和Claude Sheets进入测试版，Claude Dashboards作为Claude Data正式上线
- AWS Machine Learning Blog
亚马逊 Bedrock 观察数据湖：构建集中式调用日志分析平台
亚马逊推出了 Bedrock 观察数据湖，将关联账户的原始模型调用日志通过 CloudWatch 传输至中央账户，经 Data Firehose 处理并转为 Parquet 格式存储于 S3，最终通过 Athena 提供统一查询接口。
Amazon ScienceMitra-v2：扩展合成预训练以构建表格基础模型
Mitra-v2 在 TabArena 基准测试中领先单模型领域，在 33 个数据集上优于 Mitra-v1，并在 ScoringBench 排名第一。